• Keine Ergebnisse gefunden

Ubungen zur Vorlesung Innere-Punkte-Verfahren der ¨ konvexen Optimierung: L¨osungsvorschlag

N/A
N/A
Protected

Academic year: 2022

Aktie "Ubungen zur Vorlesung Innere-Punkte-Verfahren der ¨ konvexen Optimierung: L¨osungsvorschlag"

Copied!
2
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Technische Universit¨at Darmstadt Fachbereich Mathematik

Prof. Dr. S. Ulbrich

Wintersemester 2010/2011 Blatt 1

Ubungen zur Vorlesung Innere-Punkte-Verfahren der ¨ konvexen Optimierung: L¨osungsvorschlag

G1. Strikt zul¨assige Punkte zu a):S⊂˚S:

Dah : Rn → Rl stetig ist, istS offensichtlich offen. Zudem giltS ⊂ S, also insgesamt S ⊂S.˚

S ⊃S:˚

Nach Voraussetzung existiert einy ∈S, es gilt alsohi(y)<0,1≤i≤l.

Seix∈S˚beliebig. Wir zeigenx∈S. DaS˚offen ist, existiert eine offene KugelBε(x)⊂S.˚ Daher gilt f¨urδ >0klein genug auchz=y+ (1 +δ)(x−y)∈Bε(x)⊂S, also˚ h(z)≤0.

Nun ist

x= 1 1 +δz+

1− 1 1 +δ

y und daher wegenhikonvex mithi(y)<0,hi(z)≤0

hi(x)≤ 1

1 +δhi(z) +

1− 1 1 +δ

hi(y)<0.

Dies zeigtx∈Sund wegenx∈S˚beliebigS⊃˚S.

G2.

zu a):

minϕ(x;µ) := x21

2 +x2−µ(ln(x1) + ln(x2)) u.d. NB x1>0, x2>0. (BPµ)

∇ϕ(x;µ) = x1

1

−µ 1/x1

1/x2

,

2ϕ(x;µ) = 1 +xµ2 1

0 0 1 +xµ2

2

! .

zu b): ∇2ϕ(x;µ) is positiv definit auf ]0,∞[2. Also ist ϕ(·;µ) streng konvex und daher h¨ochstens ein lokales (=globales) Minimum x(µ). Jedes lokale Minimum x von ϕ(·;µ) erf¨ullt

∇ϕ(x;µ) = x1

1

−µ 1/x1

1/x2

= 0,

alsox(µ) =x = (√

µ, µ)T = (τ, τ2)mitτ =√ µ.

Skizze: Der zentrale Pfad ist der rechte Ast einer Normalparabel).

(2)

zu c): Es giltlimµ&0x(µ) = (0,0)T. Offensichtlich ist x¯ = (0,0)T L¨osung von (QP), da die Zielfunktion von (QP) auf dem zul¨assigen Bereich durch0nach unten beschr¨ankt ist und

¯

x= (0,0)T den Zielfunktionswert0liefert.

zu d): Dann gilt

ϕ(x;µ) = x21

2 +x2−µ(mln(x1) + ln(x2)),

∇ϕ(x;µ) = x1

1

−µ 1/x1

m/x2

. Also liefert

∇ϕ(x;µ) = x1

1

−µ 1/x1

m/x2

= 0

x(µ) =x = (√

µ, mµ)T = (τ, mτ2)mitτ =√

µ. F¨ur grossemverl¨auft der zentrale Pfad also immer n¨aher entlang derx2-Achse.

G3. Konvexe QPs als Second Order Cone Problem

Setzeq(x) := 12xTQx+cTx+γ. Mitx¯ = −Q−1cgilt∇q(¯x) = Q¯x+c = 0und daher liefert Taylorentwicklung inx¯

q(x) := 1

2xTQx+cTx+γ =q(¯x)+∇q(¯x)T(x−¯x)+1

2(x−¯x)TQ(x−¯x) =q(¯x)+1

2(x−¯x)TQ(x−¯x).

Nun existiertR∈Rn,nmitQ=RTR. Also gilt

(x−x)¯ TQ(x−x) = (x¯ −x)¯ TRTR(x−x) =¯ kR(x−x)k¯ 2. Dies ergibtq(x) =q(¯x) + 12kR(x−x)k¯ 2und somit

q(x)≤0 ⇐⇒ kR(x−x)k¯ 2 ≤ −2q(¯x) ⇐⇒ kR(x−x)k ≤¯ p

−2q(¯x).

Die rechte Ungleichung ist eine Second Order Cone Nebenbedingung mitC=R,a=−Rx,¯ d= 0,e=p

−2q(¯x).

Referenzen

ÄHNLICHE DOKUMENTE

Vergleich von primalen und primal-dualen Verfahren f ¨ur LP Wir betrachten wieder das lineare Optimierungsproblem. min c T x unter

Konvergenz des zentralen Pfads gegen strikt komplement¨are L¨osungen. Wir betrachten das lineare Optimierungsproblem (LP)

Technische Universit¨at Darmstadt Fachbereich

Bemerkung: Diese Beobachtung kann als Basis zur Globalisierung f¨ur nichtkonvexe Proble- me genutzt werden. Abgabe der Hausaufgaben: In der n¨achsten

Technische Universit¨at Darmstadt Fachbereich

Technische Universit¨at Darmstadt Fachbereich

Ubungen zur Vorlesung Innere-Punkte-Verfahren der ¨ konvexen Optimierung:

Ubungen zur Vorlesung Innere-Punkte-Verfahren der ¨ konvexen Optimierung: